基于ARIMA与GM(1,1)模型的公立医院互联网门诊人次预测研究

目的了解公立医院互联网门诊人次的变化趋势,为互联网医院的发展规划提供支持。方法利用某公立医院2021年1月—2023年6月互联网门诊人次数据,分别构建ARIMA模型和GM(1,1)模型,采用平均绝对误差(MAE)和均方根误差(RMSE)评价拟合效果,基于优势模型预测2023年7—12月互联网门诊人次。结果通过ARIMA(1,2,1)模型和GM(1,1)模型对互联网门诊的复诊人次进行预测,平均绝对误差分别为369.86和978.84,均方根误差分别为479.49和1444.83;通过ARIMA(0,1,0)模型和GM(1,1)对互联网门诊咨询人次进行预测,平均绝对误差分别为297.23和369.62,均方根误差分别为413.61和496.30,表明ARIMA模型的预测效果较好。预测结果显示,2023年12月互联网门诊的复诊人次预测值为14831例,咨询人次预测值为7461例。结论2021—2023年某公立医院互联网门诊人次呈持续上升趋势。因此,医院应充分认识到互联网医疗服务的重要性,积极采取措施,不断优化医疗服务模式,为患者提供优质、高效、便捷的互联网医疗服务。

兰州市沙尘颗粒物污染与儿童呼吸系统疾病日门诊人次的关联性研究

目的探讨兰州市沙尘天气颗粒物污染对儿童呼吸系统健康的影响。方法收集2015-2016年沙尘天气高发期(3~5月)兰州市儿童呼吸系统疾病门诊逐日资料和同期气象环境资料,采用分布滞后非线性模型(distributed lag non-linear model,DLNM)分析沙尘天气PM10和PM2.5浓度与儿童呼吸系统疾病日门诊人次的暴露-反应关系,并按年龄层建立模型。结果 2015-2016年3~5月,与非沙尘天气比较,沙尘天气日均相对湿度明显下降,PM10、PM2.5日均浓度显著上升(P<0.05);SO_2和NO_2的日均浓度,日均气温,日均风速比较差异无统计学意义(P>0.05)。沙尘天气PM10和PM2.5浓度上升与儿童呼吸系统疾病门诊人次的增加相关,呈滞后效应,滞后期2周,且PM2.5效应大于PM10效应。沙尘天气PM10累计效应在儿童全体、0~5岁、6~14岁儿童均以滞后0-14d最大,RR(95CI%)值分别是1.0055(1.001~1.0102)、1.0061(1.0012~1.0109)、1.0055(0.9967~1.0143)。PM2.5效应在儿童全体和0~5岁儿童均以滞后0-14d最大,RR(95CI%)值分别是1.0182(1.0037~1.033)、1.0210(1.0059~1.0364),6~14岁儿童滞后当天效应最大,RR(95CI%)值是1.0113(1.0007~1.0221)。结论兰州市沙尘天气颗粒物污染可增加儿童呼吸系统疾病门诊人次,呈滞后效应,0~5岁儿童是敏感人群。

运用趋势季节模型对医院门诊人次进行预测及评价

随着医院管理步人科学化轨道，以医院统计数据为基础的统计预测，可通过对医院的各项工作进行分析评价，作出科学、全面、准确的预测，从而提高工作的预见性和主动性，为医院管理规划和决策提供科学依据，实现对医院定量的科学管理。本研究应用趋势季节模型预测法，根据2006—2010年某医院门诊人次，对2011年4个季度的门诊人次进行预测，对比2011年前2季度实际门诊量，对预测结果进行评价，旨在为医院科学管理提供依据。

北京肿瘤医院门诊人次趋势季节模型预测分析

目的通过对北京肿瘤医院门诊人次的科学预测,提高该院门诊工作的预见性和主动性,加强门诊管理。方法应用趋势季节模型,对该院2012年前三季度门诊人次进行预测。结果该院2012年第1、2、3季度门诊人次实际值均在预测范围区间之内,预测值与实际值相对误差分别仅为6.95%、4.85%和8.54%。结论本模型预测效果良好,运用此预测模型所得出的数据具有较强的指导性,可以为该院科学决策和门诊管理提供参考。

2012-2014年某医院门诊人次变化分析

目的探讨医院2012-2014年门诊人次变化特征。方法对某院2012-2014年门诊人次进行分析,采用季节指数测评法对各月及各季度门诊量进行评价。结果 2012-2014年门诊总量为686701人次,3年来各年的平均门诊量分别为166814、233285和286602人次。3月、5月、7~9月、11~12月的季节指数均>100%,其他月份的季节指数均<100%。2012-2014年的季度平均门诊量分别为41704、58321和71651人次,第三季度和四季度门诊量的季节指数均>100%,第一、二季度的季节指数均<100%。结论医院应根据门诊人次的变化特征优化配置人员和设备,以提高门诊的服务质量和效益。

10年门诊人次构成变化分析

近10年来,由于我国医疗市场的拓宽和发展,使原本单一的就医流向发生了变化,社会办医分流了医院的病人.另外,医疗保险制度的改革,单位对职工医疗费用的控制,直接影响了医院的门诊量、病床使用率等业务指标的完成,并呈下降趋势.我院是本市惟一的一家综合性三级医院,病床520张,年门诊量37万人次,收住病人1万人次左右,负责全市主要的预防保健、医疗、急救任务.

运用移动平均比率法预测门诊人次

目的:运用移动平均比率法预测门诊人次。方法:选择某医院2000～2004年每季度的门诊人次数据资料,使用移动平均比率法进行分析、预测。结果:该院2005年各季度的门诊人次均在预测范围内。结论:移动平均比率法可以为我们提供较准确的预测数据,为医院管理提供决策依据。

上海市气温变化对医院儿科日门诊人次的影响

目的研究上海市气温变化与医院儿科日门诊人次的关系。方法选用广义相加模型分析时间序列资料，在控制与时间有关的中长期趋势、星期效应、气象因素等混杂因素的基础上，分析上海市2001-2009年日均气温变化与儿科门诊人次的关系。结果当气温小于15℃时，每升高1℃，儿科门诊就诊的相对危险度为1．0235，95％CI为1．0252～1．0218；当气温在15％和20℃之间时，每升高1℃，儿科门诊就诊的相对危险度为0．9951，95％CI为：0．9972～0．9929；当气温大于20％时，每升高1℃，儿科门诊就诊的相对危险度为1．0345，95％CI为1．0368～1．0323。结论上海市日均气温对医院儿科门诊人次有影响。

ARIMA与SARIMA模型在医院门诊人次与出院人次预测中的应用

目的应用ARIMA与SARIMA模型对某院门诊人次与出院人次进行分析和预测。方法收集某医院2011年1月至2016年6月各月份的门诊人次和出院人次数据,运用ARIMA与SARIMA模型对数据进行分析,并验证2016年7~10月数据;预测2016年11月至2017年6月的门诊人次和出院人次。使用统计软件SPSS17.0进行模型拟合与预测。结果 ARIMA(6,1,0)是该院门诊人次的最优拟合预测模型,SARIMA(0,1,1)(0,1,0)_(12)(不含常数项)是该院出院人次的最优拟合预测模型,两模型均能较好地拟合2016年7月至10月的门诊人次与出院人次,用该模型预测2016年11月至2017年6月的数据,符合门诊人次与出院人次的变动趋势,实际值都在预测的95%上下限范围之内。结论ARIMA与SARIMA模型对短期门诊人次与出院人次预测具有较强的实用价值,可以为医院的卫生资源配置和科学管理提供参考依据。

三级综合医院门诊人次预测模型的建立及其应用

目的通过研究门诊人次的变化规律-9趋势，优化门诊人次预测模型，为医院合理配置医疗资源和提高救助能力提供科学依据。方法运用移动平均趋势剔除法计算2006-2015年某院门诊人次季节指数，结合直线回9-5方程测算出2016年门诊人次预测值。结果由季节指数可以看出该院门诊量受季节因素影响较为明显，1月、2月、10月为接诊人次低峰期，6月、9月为平稳期，其余各月为接诊高峰期。结论医院管理者应根据门诊季节变动趋势对人、财、物等方面进行合理配置，提高医疗救治能力，方便患者就医。

趋势季节模型在门诊人次预测中的应用

目的：探讨趋势季节模型预测法在预测门诊人次的实用意义和可行性。方法：以2000—2004年本院门诊人次数据为基础,运用趋势季节模型预测法预测2005年门诊人次,最后验证预测结果。结果：将实际值与预测值对比验证,1—3季度均在预测范围内,四季度因受特殊因素影响,稍有偏差,总体上预测值与实际值基本符合。结论：趋势季节模型预测法通过对时间序列各种变化因素的分解整理,能消除多因素影响,更准确地反映季节变动情况,使预测结果更有实用意义和参考价值。

运用PDCA法提高医院门诊人次统计的准确性

目的随着我院信息化进程的加快，医院HIS系统的不断完善，传统的手工统计早已跟不上时代的步伐。为了提高医院门诊工作量统计方法，办公自动化势在必行。方法运用PDCA循环法，对门诊人次手工及电脑统计方式、方法的对比和改进。结果通过PDCA循环法，电脑取数漏报率仅为0．1％，与挂号数据差较小，明显优于人工填报，还能节约时间及人力成本。结论通过PDCA循环法，采用电脑统计门诊人次，其准确性和有效性明显提高。

2007-2014年沈阳市儿童医院门诊人次构成及变化分析

本文通过对2007-2014年沈阳市儿童医院门诊人次构成的变化情况进行分析,旨在了解沈阳市儿童就诊的卫生服务需求和发展趋势,为卫生部门加强医院管理和合理运用医疗资源提供参考〔1〕。资料与方法本研究资料来源于沈阳市儿童医院2007-2014年医院工作报表,采用SPSS 19.0软件对数据进行整理和分析。

线性回归结合季节指数预测门诊人次数

目的通过对过去9年季节因素对医院门诊量影响的分析,预测未来季节门诊量,提高医院管理效率。方法运用统计软件SPSS13.0作时间序列的季节分析,预测门诊量。结果预测模型Xt=Yc×St,2011年第1～4季度季节指数为0.93,1.04,1.06,0.97;门诊人次预测值分别为359280,407746,421674,391441。结论预测的门诊人次与实际门诊人次两者差异较小,可根据预测结果合理安排医疗资源,提高管理效率。

基于ARIMA乘积季节模型的门诊人次预测分析

目的了解医院门诊工作量变化趋势，为合理安排卫生资源，优化医疗卫生资源配置提供科学的统计学依据。方法根据医院2009年1月至2015年6月门诊人次数据，应用PASWStatisticsl8．0软件建立ARIMA乘积季节模型（seasonalautoregressiveintegratedmovingaveragemodel）。结果根据标准化贝叶斯信息准则值（BIC）以及平均绝对误差百分比（MAPE）选择最佳模型，ARIMA（1，1，1）×（0，1，1），：为最优模型；对该模型的残差进行白噪声检验，残差自相关、偏自相关函数图未超出置信区间范围，Box-Ljung检验结果：Q1B=21．863，P=0．111，均提示残差为白噪声；同时数据拟合统计量R2=0．967，预测值与实际值的上升下降趋势基本吻合，符合性较高。2015年下半年，2016年门诊人次将分别达到110．3万、246．05万人次。结论ARIMA乘积季节模型能很好的拟合门诊量的变动趋势。

ARIMA模型与GM(1,1)模型在医院门诊人次预测中的比较研究

目的对ARIMA模型和GM(1,1)模型在门诊人次预测中的应用效果进行比较,为选择适宜的预测方法提供依据。方法利用某院2005—2014年的月门诊人次数据构建ARIMA模型和GM(1,1)模型,评价拟合效果。同时,对2015年的门诊人数进行预测,采用2015年的实际门诊人数验证两种模型的预测效果,评价指标为平均相对误差和平均绝对值误差。结果 ARIMA和GM(1,1)模型的平均误差率(MER)分别为3.90%和4.41%;决定系数R^2分别为0.961和0.955。对2015年进行预测,预测值与实测值的平均相对误差分别为23 959和35 397,平均绝对值误差分别为4.62%和6.83%。结论 ARIMA模型对于样本大于30以及长期趋势、周期性趋势及隐含季节性的变化趋势资料比GM(1,1)模型的效果较好,对解决时间序列类型的门诊人数等资料首先考虑建立ARIMA模型,一般能得到较佳的拟合效果,相对误差也较小。